Liebe Angehörige der FAU, liebe Studierende, meine sehr verehrten Damen und Herren,

mein heutiger Gast verbindet in seiner Forschung zwei Themenfälle, die auf den ersten Blick nicht

so recht zusammenpassen. Die Kunstgeschichte mit der künstlichen Intelligenz. Und er erforscht

dabei ganz spannende Fragen wie beispielsweise, wie hat die Welt vor 400 Jahren gerochen?

Professor Dr. Peter Bell ist an unserer FAU Professor für Digital Humanities mit dem Schwerpunkt

Kunstgeschichte und mit ihm werde ich nun dieses Grenzgebiet erforschen. Lieber Herr Bell, ich

grüße Sie sehr herzlich. Wie geht es Ihnen? Ich bin gut. Ich hoffe Ihnen auch. Guten Morgen. Danke,

ja, guten Morgen. Eine Frage. Ich hatte ja gerade schon erwähnt, dass Sie sich mit der

Geruchsforschung beschäftigen und wie die Welt vor 400 Jahren gerochen haben. Wir wissen jetzt in

Zeiten von Corona, dass der Geruchssinn ein sehr hohes Gut ist und mitunter auch durch so eine

Krankheit gefährdet ist. Wie gehen Sie dieses Problem überhaupt an, die Gerüche vor 400 Jahren

zu erforschen und wie kann man das erfassen? Ja, also das ist tatsächlich für mich auch ein neues

Feld. Normalerweise liegt mir der Seesinn natürlich auch deutlich näher. Aber die

Großforscher sind an uns herangetreten, weil natürlich der Geruch vor 400 Jahren bereits

verflogen ist. Also das ist etwas, was wir nur indirekt über Spuren, über Quellen nachweisen

können. Und dort schauen wir eben in den Bildern, wie diese Gerüche dargestellt worden sind. Wenn

Sie sich zum Beispiel Blumenstillleben vorstellen oder auch Genreszenen, wo Menschen zusammenkommen,

wird oft auf Gerüche hingewiesen. Und diese Hinweise, denen gehen wir eben nach. Und um das

vielleicht zu beschreiben, wie das hier im Teil des EU-Projekts an der FAU funktioniert, sind wir

da zusammen mit dem Informatiker Andreas Meyer, der Chemikerin Andrea Büttner und haben dadurch

eben auch die Großforschung im chemischen Sinn dabei. Ich hatte erwähnt, dass Sie Kunstgeschichte

und künstliche Intelligenz miteinander verbinden. Wie sieht denn da Ihre Arbeit konkret aus?

Ja, das geht über den Bereich der Bildverarbeit und der Computer-Wilden, also dem künstlichen

Sehen. Und das ermöglicht uns, oft sehr große Bildmengen zu durchsuchen und auch zu erschließen.

Wir trainieren den Computer an, auf das, was er sozusagen sehen will, und können dadurch

Kunstwerke vergleichen, überhaupt Bezüge herstellen, die vorher oft gar nicht hergestellt

worden sind, weil der Computer natürlich sehr stark an visuellen Mustern, an dem, was er trainiert hat,

festhalten kann und dabei durch seine hohe Rechenleistung Zehntausende, Hunderttausende oder auch

Millionen Bilder durchsuchen kann. Das heißt also, weil Sie von Anlernen sprechen, dass der Computer

nur das kann, was man ihm vorher beigebracht hat, oder wie kann man sich das vorstellen?

Ja, das ist der Bereich des Machine-Learnings. Also wir müssen Dinge trainieren. Sie wissen ja

auch selbst sehr gut, dass der Computer da mittlerweile auch mehr in den Bereich des

Assoziierens vielleicht kommt, wenn man das so vergleichen will. Also auch durchaus Dinge

entdecken kann, die jetzt nicht nach einem sehr platten Schema erlernt worden sind, sondern die

irgendwo auch im Bereich der Hypothese liegen können. Und trotzdem ist es so, dass wir natürlich

definieren müssen, was auf den Bildern zu sehen ist und auch dort, und das ist jetzt wirklich das

Spezifische, den Sprung zu diesen Kunstwerken zu schaffen, weil die gängigen Algorithmen in dem

Feld natürlich an Fotografien der Gegenwart trainiert werden. Also wir müssen auch dem

Computer beibringen, wie diese Repräsentationen, die von Menschen erschaffen worden, eigentlich

funktionieren, wie die eben zu sehen sind. Wenn Sie über die Verwendung großer Bilddatenmengen

sprechen und dem Training, dann brauchen Sie doch auch sehr viele Menschen, die sich mit der

Annotierung der Daten beschäftigen und die Sie beim Training der Algorithmen unterstützen. Wie

sieht das in Ihrem Arbeitsalltag aus? Sind viele Studierende mit eingebunden? Ist das ein globales

Netzwerk von Wissenschaftlerinnen und Wissenschaftlern, die daran arbeiten? Oder wie muss ich mir das in

der täglichen Praxis vorstellen? Ja, das ist tatsächlich auch ein engen Pass, das muss man

ganz klar sagen. Wir haben einige studentische Hilfskräfte, die uns da unterstützen, die in

dem Sinne also auch schon Experten sind, Expertinnen sind in ihrem Gebiet. Wir haben auch so was, was

ich gerne Hund, Katze, Maus-Annotationen nenne, also das, was eine große Gruppe an Leuten ohne

Expertise machen kann. Und hier wird natürlich auch Crowdsourcing interessant. Vielleicht gehe

ich an dieser Stelle auf die Open Research Challenge ein, wo wir gerade über die Entwicklung